一种新的MEMS陀螺仪信号去噪方法

为提高MEMS陀螺仪输出信号的去噪效果,将稀疏分解(sparse decomposition)与提升小波变换(lifting wavelet transform)相结合,提出了一种新的信号去噪方法.首先,建立MEMS陀螺带噪信号的误差模型,并利用小波提升正变换计算带噪信号的非稀疏的小波系数;然后,利用稀疏分解理论恢复小波系数的稀疏性;最后,再通过小波提升反变换重构信号,从而达到去噪的目的.考虑到梯度投影(gradient projection)算法具有全局最优解,运算效率更高,将梯度投影思想引入恢复信号稀疏性的过程中,提出了基于梯度投影的稀疏分解算法,给出了利用梯度投影算法进行信号系数分解的具体步骤,大大简化了计算复杂度,同时提升了算法的稳定性.为验证所提方法的性能,进行了MEMS陀螺信号去噪的静态实验和跑车实验.实验结果表明,此种方法在动静态条件下都可以有效地去除MEMS陀螺仪输出信号中的噪声,尤其是在静态条件下的去噪效果要优于小波阈值滤波方法.同时采用的梯度投影算法相比于正交匹配追踪算法和基追踪算法具有更高的运算效率.     

基于稀疏优化字典的图像去噪算法

稀疏表示算法是用过完备字典表示图像信息从而去除图像中的无用信息,达到去噪目的.KSVD字典是过完备字典中的一种,但是KSVD字典过于冗余,导致图像处理过程中冗余无用的图像信息降低算法的效率,为了提高KSVD字典的高效性和稀疏表示算法去噪能力,笔者提出了一种基于稀疏优化字典设计的图像去噪新算法.新算法的去噪步骤为首先运用正交匹配追踪算法求出稀疏系数;其次运用迭代算法用稀疏系数对初始DCT字典进行更新学习,在迭代的过程中逐渐去除噪声,得到去噪后的图像.仿真结果表明:与DCT字典算法、Global字典算法以及原有的KSVD字典算法进行对比,新方法的系数矩阵更加稀疏,去噪效果较好.     

区分性联合稀疏字典交替优化的语音增强

在联合稀疏字典的语音增强中,由于联合字典的相似性,导致稀疏重构阶段产生语音和噪声混淆进而产生语音失真问题。针对此,在训练阶段提出一个费希尔准则下的目标函数。该函数包含了语音和噪声的区分约束项,并用与信号变化相关的平衡因子去调整各项权值,为尽可能减小混淆误差提供了保障;同时,为了能使目标函数收敛,设计了一种交替优化字典和稀疏系数的算法,迭代寻找所需的字典和稀疏系数,完成语音字典和噪声字典的输出,得到具有非相似即区分性能较好的联合字典。在增强阶段,将带噪语音信号在联合字典上进行稀疏表示,并估计出语音幅度谱和噪声幅度谱。最后,结合维纳滤波器和理想二值掩模的优点,提出了新的软掩模滤波器,进一步消除了残余噪声。通过对不同信噪比的带噪语音进行实验,新算法得到的语音信噪比和听觉感知评价都较高,验证了新算法在提高语音性能方面的有效性。     

基于小波变换的新阈值函数语音去噪方法

针对硬阈值函数不连续性、软阈值函数中存在恒定偏差的问题,基于2种改进的阈值函数,构造了一种新阈值函数,提出了一种基于小波变换的新阈值函数语音去噪方法。分别用硬阈值处理方法、软阈值处理方法及新阈值处理方法对系统信号和纯净语音信号进行去噪仿真实验。实验结果表明,新阈值去噪方法能减小信号失真,使重构信号逼近原始信号,达到了良好的去噪效果,比传统方法更具优越性和有效性。     

利用子空间改进的K-SVD语音增强算法

在低信噪比的情况下,稀疏表示无法将纯净语音完全从带噪语音中分离出来,针对此问题提出了一种利用子空间改进的K奇异值分解语音增强算法．首先,利用子空间最优估计器跟踪噪声; 其次,通过K奇异值分解算法对噪声进行训练,构建出噪声字典; 最后,用K奇异值分解算法训练语音字典．在训练过程中,如果某个原子对应的稀疏系数低于设定的阈值,并且该原子可在训练得到的噪声字典中找到,就把该原子对应的稀疏系数设为零,即可达到去噪的目的．仿真结果表明,改进算法去除白噪声和babble噪声的效果显著,有效提高信噪比和减少语音失真,同时,该算法也可以很好地应用于消除随机噪声．     

振动测试信号处理的小波变换方法

分析了小波变换的局部化特性，以及基于Donoho理论的小波阈值去噪方法，研究比较了不同阈值规则与阈值函数对去噪效果的影响。利用小波分解重构算法，对振动测试信号进行去噪处理，改善测试信号的信噪比，减少信号损失。     

改进的小波阈值语音去噪算法

小波阈值去噪算法简单,计算量小,但是硬阈值函数的不连续性会造成信号的振荡,软阈值函数太过光滑会造成信号高频信息丢失.基于两种阈值函数存在的缺点,在小波变换理论基础上研究了一种改进的小波阈值语音去噪算法,提出了一种改进的阈值函数,同时也提出了修正阈值的修正系数.最后通过MATLAB仿真结果证明该方法在一定程度上可以去除噪声,减少信号的振荡,保留原信号的特征尖峰点信息,降低了信号的失真,更好地估计原始信号,明显改善了语音质量.     

小波变换在地震信号噪声处理中的应用

常规小波域阈值去噪方法未能充分利用地震信号相关性的特点进行去噪，只能去除地震信号中部分随机噪声，为此提出了一种小波域分时分频相关结合阈值去噪处理方法。该方法首先对小波变换后多个尺度上小波系数进行分时分频相关去噪处理，然后对处理后小波系数进行重构，并可去除大部分不相关随机噪声。对重构后地震信号再进行常规小波域阈值去噪处理以进一步去除噪声。模型测试和实际资料处理效果表明：使用该方法可以有效地改进地震信号去噪处理效果。     

基于小波变换的多尺度多阈值语音信号去噪

本文介绍了小波变换在语音去噪上的应用概况，用多尺度多阈值的小波变换方法进行了实验，证明该方法能有效地抑制语音信号的噪声。最后，用谱减法去噪和前者做了比较。     

心电信号的小波变换处理算法及仿真

为了有效去除心电信号中的干扰噪声,对信号特征点进行准确标定,采用小波变换的阈值去噪算法和时域峰值定位算法进行心电信号处理.利用bior3.7小波按照Mallat算法对ECG信号进行分解,结合软硬阈值与小波重构的算法对信号进行去噪处理,给出了小波变换与时域峰值定位结合的算法检测各特征点.仿真结果表明小波阈值算法能有效去除心电信号中的干扰噪声,保留心电信号的有效信息,基于小波变换的时域峰值定位算法能准确检测出心电信号中的特征点.